大面积高光谱遥感监测是稀土矿区环境监管的重要手段, 复垦植被在矿区环境胁迫下的特征变异分析, 可为准确实现矿区生态恢复动态监测提供必要基础。 通过实地采集稀土矿区六种典型复垦植被及其对应正常环境植被叶片原始光谱, 对照分析其光谱变异。 将原始光谱进行常用的导数变换之外, 还应用信号处理中的分形维数计算、 离散小波变换分析技术和短时傅里叶变换处理放大植被叶片光谱的细部信息, 探究复垦植被在稀土矿区环境胁迫下的光谱特征。 结果表明: （1）在一阶导数光谱中, 除湿地松外, 其他植被均出现“红边位置”的蓝移现象, 表明了复垦植被在矿区受到不同程度环境胁迫等外界因子的影响。 （2）通过计算矿区植被光谱曲线的分形维数, 得到同种复垦植被分形维数高于正常植被的规律, 说明矿区环境胁迫多条件因素的影响致使复垦植被光谱曲线的波形变复杂。 （3）植被叶片光谱经过离散小波变换, 其中原始光谱离散小波变换最佳细节系数为d5, 一阶导数光谱离散小波变换最佳细节系数为d6; 并且一阶导数光谱离散小波变换在更小的尺度下放大了光谱特征细节差异, 取得更好的效果。 （4）光谱通过短时傅里叶变换在空频图上实现局域化, 原始光谱空频特征出现在“红边”与中红外第一个“波谷”处 , 而一阶导数在更小的尺度上, 更多的波段放大并增加了光谱曲线空频特征。 总体而言, 将信号处理方法应用于光谱处理, 较导数变换能获取更多光谱特征, 其中短时傅里叶变换以获得光谱空频特征的特点又优于分形维数计算和离散小波变换分析技术。 该研究为稀土矿区复垦植被生理参数反演和复垦效果监测提供技术支持, 有助于稀土复垦矿区的生态重建。

提出一种基于布里渊光时域反射（BOTDR）系统的寻极大值法，在快速傅里叶变换（FFT）和短时傅里叶变换（STFT）的基础上，实现了频移的快速定位及系统空间分辨率的增强。对时域信号进行FFT处理，利用寻极大值法判断是否存在温变或应变信息，再通过逐级选取对应长度的时域信号来确定温变或应变频移发生的位置范围；对时域信号进行STFT处理，构建三维布里渊增益谱，通过寻极大值法构建布里渊频移分布来检测短距离温变或应变，从而提高系统空间分辨率。在实验中，利用基于等分FFT的寻极大值法，对2 km待测光纤中130 m段加热光纤的位置范围进行快速定位，系统运算时间缩短到原来的1/8。同时在设置探测光脉冲宽度为100 ns的条件下，利用基于STFT的寻极大值法，在2 km待测光纤上检测到0.6 m光纤长度的温度变化，实现了亚米级别的空间分辨率。与传统BOTDR系统相比，基于寻极大值法的STFT-BOTDR系统提高了实际应用中的检测速度与空间分辨率，工程实用性得以提高。

为了提高基于近红外光谱的土地覆盖分类模型的准确率, 以欧盟统计局发布的土壤近红外光谱数据为研究对象, 研究基于短时傅里叶变换（STFT）预处理方法和不同卷积尺度融合的土地覆盖分类模型, 实现耕地、 林地和草地的快速区分。 为适应二维卷积要求, 将一维光谱的400～2 500 nm波段的4 200个波长进行短时傅里叶变换, 转换成二维图像同时提取光谱数据的频谱信息。 将样本按6∶2∶2的比例随机划分为训练集、 验证集和测试集。 建立单一尺寸卷积核卷积神经网络（CNN）以及多尺寸卷积核融合的卷积神经网络土地覆盖分类模型, 为了防止模型出现梯度消失现象, 网络采用ReLU激活函数以及批标准化（BN）、 Dropout等方法。 并采用早停法（early stopping）训练网络, 防止模型出现过拟合风险。 首先, 探讨了不同STFT窗口长度（64, 100和128）、 不同卷积核尺寸（3×3, 5×5和7×7）等对模型分类效果的影响规律。 实验结果显示: 当STFT窗口长度为100、 窗口重叠长度为50%时, 模型总体分类准确率均最高; 模型的分类准确率随卷积核尺寸的增大而降低, 较小尺寸卷积核模型准确率更高, 卷积核尺寸为3×3的CNN模型总体分类准确率达到了78.76%, 高于卷积核尺寸为5×5和7×7的CNN模型分类准确率; 不同尺寸卷积核的模型都对某一种土地覆盖类型的分类效果良好, 对于耕地, 3×3卷积尺寸的CNN模型分类效果最佳; 对于林地, 5×5卷积尺寸的CNN模型分类效果最佳; 对于草地, 7×7卷积尺寸的CNN模型分类效果最佳。 其次, 提出了基于多种尺寸卷积核融合的Fusion-CNN模型, 该模型综合了不同尺寸卷积核的分类优势, 模型对于3种土地覆盖类型的分类准确率均有了不同程度的提高, 模型总体分类准确率达到84.39%。 Fusion-CNN模型克服了单尺寸卷积核CNN模型对于合适的卷积核尺寸选择周期长、 调参步骤繁琐的缺点, 能简化和加快建模过程。 使用Fusion-CNN卷积融合网络可以更有效地对土壤近红外光谱的内部特征信息进行自动抽取, 从而得到较高且稳定的土地覆盖分类准确率。

熔滴过渡特性对于保证激光-电弧复合焊接成形质量十分重要。利用高速摄像机采集激光-熔化极惰性气体保护焊(MIG)复合焊接过程中的熔滴过渡图像，通过图像信号处理方法提取电弧感兴趣区域(ROI区域)面积、熔滴速度、熔滴过渡周期等特征，分析熔滴过渡特征与焊缝成形的关联；利用短时傅里叶变换和谱熵对电弧ROI面积进行时频分析，研究功率谱谱熵与熔滴过渡稳定性之间的规律。结果表明：熔滴过渡频率与熔滴速度有一致的变化趋势，稳定的熔滴过渡能提高焊缝成形的均匀性；功率谱谱熵能表征焊接过程的稳定性，当熔滴过渡失稳时，短时对数功率谱变得紊乱，瞬时谱熵增大，焊缝熔宽减小，表面铺展性降低。

针对啁啾(Chirp)信号参数估计的高复杂度和在低信噪比(SNR)下保持高精度等问题, 文章提出了一种改进的Chirp信号参数估计算法。该算法根据当信号能量和周期长度一定时Chirp信号频谱幅度的平方与调频率成反比的特性, 不断地产生已知Chirp信号的共轭与未知Chirp信号相乘, 找到使相乘后频谱幅度平方最大的已知Chirp信号的调频率。为了做到参数估计的高精度, 用修正的幅度插值(M-Rife)算法估计中心频率和修正相乘后信号频谱的幅值。将该算法与短时傅里叶变换(STFT)结合, 首先用STFT估计出调频率的大致范围和信号周期, 然后用二分法代替等步长使改进的Chirp信号参数估计算法在这个大致范围内搜索, 极大地降低了计算复杂度。实验结果表明, 在SNR≥-10 dB时, 该算法估计调频率归一化均方误差(NMSE)要优于分数阶傅里叶变换(FRFT)约1~2 dB, 接近克拉美罗下界(CRLB)。

采用单模-多模-单模(SMS)光纤结构的光路,针对施加在多模光纤上的入侵信号,提出了基于短时傅里叶变换(STFT)和卷积神经网络(CNN)相结合的模式识别分类方法。该方法对入侵信号进行STFT以获得时频图,制作成训练集和测试集;将训练集输入到三种网络模型中进行训练,根据工程应用指标选择合理的网络模型;利用网络模型对测试集进行分析,得到入侵信号的识别结果。采用4种入侵信号对该方法的有效性和实时性进行验证。结果表明,该方法可以高效识别人为入侵信号和非人为入侵信号,并可以通过增加含有不同类型噪声的入侵信号种类和数量来验证此方法的稳健性,减少了入侵信号的漏报率和误报率,提高了SMS光纤结构在周界防区模式识别中的应用价值。

为了探究锥形载体再入飞行时, 其运动因素对雷达引信回波中多普勒频率成分的影响规律, 通过建立多坐标系, 利用坐标系之间的转换关系, 准确构建了锥形载体的运动模型, 并在时频域范围内, 重点分析了飞行速度、再入倾角、摆动和锥进对多普勒频率成分的影响规律。为了验证影响规律的正确性, 以短时傅里叶变换(STFT)为中心思想, 利用Matlab软件对雷达引信的回波信号进行仿真, 仿真结果与运动模型得到的理论值相符, 表明运动模型合理, 并且分析得到的影响规律正确。

在双马赫曾德光纤周界安防系统中, 如何准确高效地实现模式识别仍是一项有待解决的难题。对此提出了一种基于短时傅里叶变换(STFT)与奇异值分解的模式识别方法, 实现了三种不同事件类型的准确识别。该方法包含三个步骤: 首先, 通过对干涉信号进行短时傅里叶变换得到时频信息,根据时频信息找到事件端点并进行滤波; 其次, 对时频信息进行奇异值分解, 根据奇异值的物理意义, 由不同行为的奇异值的特点定义特征向量; 最后, 用支持向量机的方法进行事件分类。为验证方法有效性, 搭建了2 km长的围栏系统进行实验验证。进行了攀爬围栏、敲击光缆、晃动围栏三种不同入侵模式下共360组实验, 每种入侵行为各120组得到了良好的识别结果(三种事件识别率均在90%以上), 提高了系统的信号处理速度, 有较高的实际应用价值。